Под термином «искусственный ум» часто имеются в виду нейросети, построенные на технологии глубочайшего машинного обучения. При этом разработка обучения нейросетей отлично отработана и дает свои плоды. Но не все ученые делят мировоззрение о том, что искусственный ум должен развиваться конкретно по этому пути. Кто-то даже считает, что таковым системам «не стоит доверять» и ни к чему отличному их развитие не приведет.
Искусственный ум в современном осознании — это совершенно не то, что почти все задумываются
Почему машинное обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками) — это плохо для развития населения земли
В масштабной работе, размещенной на страничках издания Тechnologyreview, доктор Нью-Йоркского института, спец в области когнитивистики (науки о зании) Гэри Маркус сказал, чем чревато повсеместное внедрение нейросетей на базе глубочайшего машинного обучения.
Во-1-х, ученый считает, что у технологии есть очевидные ограничения. А именно, уже издавна ведутся дискуссии о том, что требуется сделать, так именуемый, «реальный ИИ», который подойдет для решения широкого круга задач, а не некий одной определенной, как происходит на данный момент. Имеющиеся ИИ-системы уже подошли к пику собственного развития и им фактически «некуда расти». К тому же недозволено просто взять и, скажем поначалу обучить один ИИ водить машинку, а иной вынудить чинить ее и потом соединить системы, создав всепригодного ассистента. Искусственные умы просто не сумеют вести взаимодействие, потому что «обучались по-разному».
Вы сможете научить ИИ играться на Atari лучше человека, но создать неплохой робомобиль — навряд ли. Хотя эта задачка тоже достаточно узкоспециализированная. Глубочайшее обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками) отлично проявляет себя в анализе огромных данных, но методы не лицезреют причинно-следственной связи и плохо воспринимают всякую перемену критерий. Сдвиньте элементы в компьютерной игре на два-три пикселя, и обученный ИИ станет неэффективным. Сделайте поле для игры в го не квадратным, а прямоугольным, и искусственный разум проиграет даже начинающему игроку.
Как создать ИИ умнее
Для того, чтоб методы стали наиболее действенными, их необходимо «учить по другому». Нужно создать так, чтоб они начинали созидать связь объектов и последствий от взаимодействия с ними. В этом случае наилучшим примером послужим мы с вами.
Наберите студентов-стажеров, и они через некоторое количество дней начнут работать над хоть какой неувязкой — от юриспруденции до медицины. Не поэтому, что все из их умные. А от того, что люди имеют общее представление о внешнем мире, а не личное.
Доктор Гэри Маркус
При этом то, что дает Маркус совершенно не ново. Описанный чуть повыше пример — это то, как ученые представляли для себя «традиционный ИИ». Лишь вот для того, чтоб таковой ИИ отлично работал, нам необходимо заблаговременно запрограммировать все вероятные финалы. А это фактически нереально. Но выход есть. К слову, какой путь развития ИИ является желаемым по вашему воззрению? Поведайте о этом в нашем чате в Телеграм.
Читайте также: Как работает искусственный ум
Решением быть может собственного рода симбиоз «традиционного ИИ», который лицезреет связи и получает решения понятным образом, и глубочайшего обучения, способного отыскивать вариант решения методом «проб и ошибок». Это быть может некоторая базисная система правил и предписаний, касающихся мира вокруг нас. На их базе ИИ-системы уже и сумеют развивать себя в определенной области. Реальный искусственный ум должен понять, как работает все вокруг для того, чтоб осознать причинно-следственные связи и просто переключиться с одной задачки на другую. Современные системы, сделанные при помощи технологии глубочайшего обучения, на такое просто-напросто не способны.
